金融科技行业如何开展数据建模工作呢？ 我给大家介绍三种数据建模框架，分别是IBM公司的CRISP-DM，SAS公司的SEMMA和我总结的PDFMV。
01
CRISP-DM
IBM公司的CRISP-DM，全称是跨行业数据挖掘标准流程。如下图所示：
这个流程包括这些环节：
- 1 业务理解：定义业务问题，确定业务目标，制定项目计划。
- 2 数据理解：梳理需要哪些数据，如何收集，数据探索性分析，数据质量报告。
- 3 数据准备：数据整理、数据清洗，数据集成，数据再格式化。
- 4 建模：数据划分，模型选择和构建。
- 5 评估：从技术和业务角度，评估模型的有效性和稳定性。
- 6 部署：最终模型上线、部署、监控。 这个流程是一个闭环系统，给我们建模的启示。
- 1 正确定义好业务问题。
- 2 垃圾进、垃圾出，需要重视数据的质量。
- 3 模型的迭代和优化过程，模型构建好后，不是一劳永逸的，而是需要监控和持续优化的。通过分析模型效果偏差后，确定模型优化路径。
02
SEMMA
SAS公司的SEMMA，分别代码Sample（数据采样），Explore（数据探索），Modify（数据调整），Model（建模），Assess（评估）这5个核心环节。如下图所示：
每个环节关注的核心内容。
- 1 数据采样：一要正确反映业务分析需求，二要考虑数据的规模和维度。
- 2 数据探索：深入理解数据的过程，利用统计学和数据可视化技术。
- 3 数据调整：数据转换和再格式化。
- 4 建模：模型设计和构建。
- 5 评估：模型评估和调优
03
PDFMV
我总结的PDFMV，它是Problem-Data-Feature-Model-Value五个英文单词的首字母组合而成，是以问题为导向，数据为驱动，利用特征和模型学习知识和模式以创造价值的系统化过程。
这个框架，包括这些环节：
- 1 Problem（问题）：任何一个数据类型相关的项目都要从有价值的问题出发。因此，我们一定要定义好问题，定义清楚问题，需要我们使用“底层思维”，也就是那“万变不离其宗”的原则。在定义问题的时候，我们可以从问题的为什么、是什么、怎么样三个层次来深入剖析所面临的问题和要解决的问题。
- 2 Data（数据）：不管是分析，还是建模，我们的原料是数据。原料好不好，决定了我们最终结果的上限。因此，在数据阶段，我们需要重视数据的源头、数据的聚集、数据的质量、数据的探索、数据的理解、数据的清洗、数据的转换等一系列与数据相关的工作。若是以做菜打比方，我们要知道如何去找菜，选菜，评菜、洗菜、切菜、配菜等基本而重要的操作，这也是一般厨师和高级厨师差异。
- 3 Feature（特征）：所谓特征，就是从各个维度或者角度来描述一个问题或者一个对象。关于特征这块，我们可以利用领域知识、先验知识、数据探索的知识，先全方位地做好特征升维。换句话说，就是让自己做到能够更全面地看待问题。在开展分析和挖掘的过程中，通过一些方法去选择对目标有作用，并且避免特征之间的冗余，以实现特征的降维。总之，特征这块，一要学会多角度看问题，二要做好特征升维和降维工作。
- 4 Model（模型）：模型阶段，就是要去找到一个适配当下业务问题的模型，一来能够从训练集中学习到模式，并且较好地泛化到测试集或者时间外样本验证集，二来让模型尽量简洁，并且具有可解释性。在做数据建模的时候，需要妥善地处理一些与模型相关的关键问题，罗列如下：1）数据集如何划分；2）模型如何选择；3）超参数如何调整；4）模型如何集成和融合；5）模型的解释性和准确性如何平衡；6）模型的稳健性和鲁棒性如何衡量等。
- 5 Value（价值）：在问题侧的时候，我就说了问题要始于价值。同样，在终点的时候，我们的结果还是要回归于价值。以“底层思维”——如何盈利？回答价值，我们需要客观地分析和量化所做数据项目是否发挥了这些积极作用。1）是否有降低成本的功效；2）是否有增加收入的功效；3）是否有提升效率的功效；4）是否有控制风险的功效。而3）和4）最终还是回归于与1）或者2）。因此，我们需要重视每个数据项目的价值，有没有价值，有多大价值，价值是否具有持续性。
PDFMV框架是我做数据工作和数据项目的方法论，它可以让我全面而系统地认识和落实一个项目。好比中医看病的“望闻问切”，给我做数据项目指明了方向，并且有始有终。
把一个数据项目做好，并非易事。但是，掌握正确的思维和方法，可以让我们成事的概率更高。
我是陆勤，在金融科技行业从事数据科学工作，也是一名终身学习者。我工作过的内容主要包括数据清洗和准备、风控评分模型、数字营销模型、风控策略分析、数据建模环境构建和维护等。
